Apresentação do PowerPoint

Propaganda
Busca sem Informação
Álvaro Vinícius “Degas”
[email protected]
Roteiro
• Busca Cega
• Estratégias
–
–
–
–
–
Busca em Extensão
Busca de Custo Uniforme
Busca em Profundidade
Busca em Profundidade Limitada
Aprofundamento iterativo
(Ainda) O exemplo Compiler
Busca em Extensão
• Expandir a árvore em busca de uma solução
• Cada nível
• Pára quando
– não for possível expandir mais
– Encontrar uma solução
• Garante encontrar solução?
• Garante encontrar a melhor solução?
• É eficiente?
Busca em extensão
Simula City
Smalltalk Ville
C Ville
Java City
Java City
Pascalopolis
Fortranopolis
Cobolandia
Haskellópolis Prolog City
Busca em extensão
Simula City
Smalltalk Ville
C Ville
Java City
Java City
Pascalopolis
Fortranopolis
Cobolandia
Haskellópolis Prolog City
Busca em Extensão
• Propriedades
• Completeza?
– Se b (a quantidade de filhos de cada nó) for
sempre finito
– Encontra necessariamente a solução
– Ou verifica que esta não existe!
Busca em Extensão
• Propriedades (cont)
• Complexidade de tempo
– Uma unidade de tempo para gerar cada nó
– 1+b+b2+b3+...+bd
– O(bd): exponencial
Busca em Extensão
• Propriedades (cont)
• Complexidade de espaço
–
–
–
–
Uma unidade de espaço para armazenar cada nó
Necessita manter todos os nós na memória
1+b+b2+b3+...+bd
O(bd): exponencial
Busca em Extensão
• Propriedades (cont)
• Otimização
– Caso o custo da solução seja igual a uma
unidade
• Encontrará sempre a melhor solução
– Caso contrário
• Provavelmente não encontrará a melhor solução
Busca com Custo Uniforme
• Uma especialização da busca em extensão
• Considera os custos de solução
• Expande os nós de menor custo
inicialmente
• Caso os custos sejam iguais, funciona como
uma busca em largura
Busca com custo Uniforme
Simula City
15
10
Fortranopolis
Smalltalk Ville
15
C Ville
20
Java City
20
25
27
Cobolandia
Java City
10
6
Pascalopolis
Haskellópolis Prolog City
14
6
Ada Town
25
Cobolandia
27
Cobolandia
Busca com custo Uniforme
Simula City
15
10
Fortranopolis
Smalltalk Ville
15
C Ville
20
Java City
20
25
27
Cobolandia
Java City
10
6
Pascalopolis
Haskellópolis Prolog City
14
6
Ada Town
25
Cobolandia
27
Cobolandia
Busca com Custo Uniforme
• Propriedades
• Completeza?
– Se b (a quantidade de filhos de cada nó) for
sempre finito
– Encontra necessariamente a solução
– Ou verifica que esta não existe!
Busca com Custo Uniforme
• Propriedades (cont)
• Complexidade de tempo
– Uma unidade de tempo para gerar cada nó
– sendo C* o número de nós da solução ótima e
sendo  o custo médio por passo
– O(bC*/): exponencial
Busca com Custo Uniforme
• Propriedades (cont)
• Complexidade de espaço
– Uma unidade de espaço para armazenar cada nó
– sendo C* o número de nós da solução ótima e
sendo  o custo médio por passo
– O(bC*/): exponencial
Busca com Custo Uniforme
• Propriedades (cont)
• Otimização
– Caso o custo da solução seja igual a uma
unidade
• Encontrará sempre a melhor solução
– Caso contrário
• Também encontrará a melhor solução
(implementação do algoritmo de Dijkstra)
Busca em Profundidade
• Expande cada ramo até o seu limite
• Não considera os custos da solução
• Pára quando
– Encontra uma solução satisfatória
– Não é mais possível fazer a expansão
Busca em Profundidade
Simula City
Smalltalk Ville
Fortranopolis
Java City
C Ville
Java City
Pascalopolis
Ada Town
Fortranopolis
Cobolandia
Cobolandia
Haskellópolis Prolog City
Busca em Profundidade
Simula City
Smalltalk Ville
Fortranopolis
Java City
C Ville
Java City
Pascalopolis
Ada Town
Fortranopolis
Cobolandia
Cobolandia
Haskellópolis Prolog City
Busca em Profundidade
• Propriedades
• Completeza?
– Não!
– No caso de uma degeneração infinita de estados
– Exemplos de aplicações exploratórias como
sondas ou movimentos robóticos (espaço
virtualmente infinito)
– Mas é completa em espaços finitos
Busca em Profundidade
• Propriedades (cont)
• Complexidade de tempo
– Uma unidade de tempo para gerar cada nó
– Sendo m o tamanho do primeiro caminho de
solução que será encontrado
– Gera todos os nós de todos os caminhos até
encontrar a solução
– O(bm): exponencial, particularmente muito ruim
se m >> d
Busca em Profundidade
• Propriedades (cont)
• Complexidade de espaço
– Uma unidade de espaço para armazenar cada nó
– Sendo m o tamanho do primeiro caminho de
solução que será encontrado
– Não precisa armazenar as soluções que vão
sendo geradas
– O(bm):
Busca em Profundidade
• Propriedades (cont)
• Otimização
– Não encontra a melhor solução
– Exceto no caso de uma sorte danada!
Busca com Profundidade
Iterativa
• Expande cada ramo até o seu limite ou até
um limite especificado L
• L é incrementado a cada passo
• Não considera os custos da solução
• Pára quando
– Encontra uma solução satisfatória
– Não é mais possível fazer a expansão
Busca c/ Prof. Iterativa
Simula City
Smalltalk Ville
C Ville
Fortranopolis
Java City
Cobolandia
L=2
Java City Pascalopolis Fortranopolis
Pascalopolis
Fortranopolis
Cobolandia
Java
City
Cobolandia
Ada Town
Haskellópolis Prolog City
L=4
Busca c/ Prof. Iterativa
Simula City
Smalltalk Ville
C Ville
Fortranopolis
Java City
Cobolandia
Java City Pascalopolis Fortranopolis
Pascalopolis
Fortranopolis
Cobolandia
Java
City
Cobolandia
Ada Town
Haskellópolis Prolog City
Busca com Profundidade
Iterativa
• Propriedades
• Completeza?
– Sim
– Exceto caso não exista um estado satisfatório
na árvore e a árvore seja infinita
– Neste caso a busca não pára
Busca com Profundidade
Iterativa
• Propriedades (cont)
• Complexidade de tempo
– Uma unidade de tempo para gerar cada nó
– 1+b+b2+b3+...+bd
– O(bd): exponencial
Busca com Profundidade
Iterativa
• Propriedades (cont)
• Complexidade de espaço
– Uma unidade de espaço para armazenar cada nó
– Sendo d o tamanho do melhor caminho de
solução que será encontrado
– Não precisa armazenar as soluções que vão
sendo geradas
– O(bd):
Busca com Profundidade
Iterativa
• Propriedades (cont)
• Otimização
– Caso o custo de cada passo seja 1, Sim!
– Caso contrário Não!
– Mas pode ser adaptado (exercício)
Estados Repetidos
• Estados repetidos podem gerar problemas
• De computabilidade
– A busca entrar em Loop
• De complexidade
– Geração de uma quantidade excessiva (MUITO
excessiva) de estados
Estados Repetidos
• Memória de estados visitados
– A cada novo estado, uma busca para verificar se
ele já não foi gerado
• Para algoritmos em extensão:
– perfeito!
• Para algoritmos em profundidade:
– quase perfeito: evita os loops
Busca sem informação.
FIM!
“Tudo seria fácil se não fossem as dificuldades”
Barão de Itararé
Download